您可以使用ELI5库来解释对 XGBoost 模型的单个预测的特征贡献。

请参阅文档中的解释预测，复制如下：

为了更好地了解我们的分类器是如何工作的，让我们检查一下各个预测eli5.show_prediction()：

from eli5 import show_prediction
show_prediction(clf, valid_xs[1], vec=vec, show_feature_values=True)

我建议你去夏普。它使用Shapley 值（从博弈论中借用的概念）来描述模型行为，并以此解释单个预测。

它的图形界面使用力图，如下所示。

红色条由导致预测为正值的特征构建，蓝色条由其他特征构建。

在您的情况下（分类器），粗体数字将是sigmoid函数之前的数字，该函数将输出值限制在零和一之间（一类或另一类）。因此，如果在某些情况下它会大于一或负数，请不要害怕。

段的大小表示该特征对预测的贡献程度，在段下您可以看到特征的名称（例如 LSTAT）及其实际值（例如 4.98）。因此，在这种情况下，LSTAT 是使数据集元素的预测值达到 24.41（粗体数字）的平均特征。

享受！

谢谢你的答案。

这个 R 包似乎可以完成这项工作：

https://medium.com/applied-data-science/new-r-package-the-xgboost-explainer-51dd7d1aa211